买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广州大学申请的专利一种基于视觉的场外施工深度学习实例分割跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114897937B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210565509.5，技术领域涉及：G06T7/246；该发明授权一种基于视觉的场外施工深度学习实例分割跟踪方法是由蔡长青;贾羽彤;甘淞宇;彭俊源;汤铭柯设计研发完成，并于2022-05-23向国家知识产权局提交的专利申请。

本一种基于视觉的场外施工深度学习实例分割跟踪方法在说明书摘要公布了：本发明公开了一种基于视觉的场外施工深度学习实例分割跟踪方法，其包括以下步骤：步骤S1：实例分割：实例分割模块从输入视频中检测工作者，得到工作者的包围盒和分割掩码；步骤S2：实例关联：实例关联模块在所述输入视频的每两个连续帧上构造一个工作实例关联矩阵；步骤S3：实例指派：实例指派模块利用匈牙利算法在实例指派中产生跟踪结果。本发明用于追踪建筑工地上非现场施工工作者的身体轮廓，将实例分割引入到场外施工工作者跟踪中，使工地管理具有更强的追踪性，从而提升非现场施工工作者的视觉检测效率和现场安全。

本发明授权一种基于视觉的场外施工深度学习实例分割跟踪方法在权利要求书中公布了：1.一种基于视觉的场外施工深度学习实例分割跟踪方法，其特征在于，包括以下步骤：步骤S1：实例分割：实例分割模块从输入视频中检测工作者，得到工作者的包围盒和分割掩码；所述步骤S1实例分割模块中使用基于深度学习的掩码R-CNN算法遮蔽R-CNN；所述掩码R-CNN算法包括三个模块：特征提取器模块、区域建议网络模块和扩展分类器网络模块；所述，所述掩码R-CNN算法的具体步骤如下：由ResNet101神经网络对输入图像进行处理，提取特征提取模块中的特征映射；利用RPN模块对N×N空间窗口的特征映射进行滑动；在这个模块中，为每个滑动窗口初始化12个锚定框作为兴趣区域，这些锚定框由三个长宽比1：1，1：2，2：1和四个比例比322，642，1282，5122定义；每个感兴趣区域由三层卷积网络处理，两层全连通盒分类和盒回归处理RPN模块根据它们成为对象的可能性产生300个ROIs；步骤S2：实例关联：实例关联模块在所述输入视频的每两个连续帧上构造一个工作者实例关联矩阵；所述步骤S2实例关联模块中，输入图像时，一旦一个新的工作者实例在一个帧被分割，卡尔曼滤波跟踪器将被初始化来跟踪所述工作者实例，通过使用所述工作者实例的边框信息，其中一个唯一的ID号被分配给Tracklet；卡尔曼滤波使用了一系列随时间变化的观测数据，并产生下一时间步长的估计；每个工作者实例的状态模拟如下：STATE＝[Cx，Cy，u，v]其中Cx和Cy分别表示物体包围盒中心点的水平和垂直坐标；u和v表示物体在水平和垂直坐标上的速度；卡尔曼滤波被用来跟踪工作者实例的中心点，而不是用来跟踪包围盒；所述步骤S2关联模块的具体步骤如下：卡尔曼滤波利用前一帧的包围盒信息，预测工作者实例在当前帧的中心点位置；将运动向量计算为同一工作者实例在当前帧和前一帧之间的中心点运动；通过将检测到的遮罩与运动矢量相加，得到当前帧上的跟踪遮罩；将当前连续帧上的关联矩阵计算为当前帧上跟踪遮罩和分割掩码的掩码交叉过并；步骤S3：实例指派：实例指派模块利用匈牙利算法在实例指派中产生跟踪结果；所述基于视觉的场外施工深度学习实例分割跟踪方法将实例分割引入到场外施工工作者跟踪中，使工地管理具有更强的追踪性，从而提升非现场施工工作者的视觉检测效率和现场安全。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。